Pannon Egyetem Vegyészmérnöki és Anyagtudományok Doktori Iskola Doktori (Ph.D.) értekezés tézisei KÍSÉRLETTERVEZÉSES TECHNIKÁK A TECHNOLÓGIÁK ELEMZÉSÉRE ÉS OPTIMÁLÁSÁRA Készítette Dobos László Csaba Témavezető: Dr. habil. Abonyi János egyetemi tanár Vegyészmérnöki és Folyamatmérnöki Intézet Folyamatmérnöki Intézeti Tanszék Veszprém, 2015
Előzmények és célkitűzés A gazdaságos működésért folyó küzldelemben a technológiafejlesztés és optimalizás kulcskérdéssé vált. A modern számítógép vezérelt vegyipari technológiák működtetése során nagy mennyiségű adat kerül rögzítésre, de sajnos még nem terjedt el széleskörűen ezen adatok felhasználása a fejlesztési folyamatok során, bár ezirányú potenciál nyilván megtalálható bennük. Ennek egyik oka lehet az, hogy az egyre fejlődő informatikai háttérnek hála a számítási teljesítmény bár egyre inkább rendelkezésre áll, de még korlátozott azon eszközök száma és elérhetősége, amelyek a vegyészmérnöki gyakorlatot és szemléletet integrálni tudják a matematikai optimalizáció és adatbányászat kelléktárával. Emellett a jövőben a vegyipari technológiák optimalizálásakor vegyészmérnöknek kulcsszerep jut, hiszen ők tudják a kémai misztériumát, a gépészeti ismeretek változatosságát gazdasági haszonná konvertálni a korszerű szabályozástechnikai eszközök használatával. Ezen szabályozástechnikai megoldások pedig matematikai modellen alapulnak, amik sikeres fejlesztéséhez elengedhetetlen a technológiai adatokból kinyert többlet információ. Így szükségessé válik egy eszközrendszer, amelyek a többletinformáció extrakciójához szükséges. Az fentiekből következik, hogy egy olyan eszközrendszer elkészítése szükséges, amelyek a gyártás során gyűjtött adatok alapján értékes információkat szolgáltatnak a mérnöki feladatok megoldásához, mint a modellezés vagy a technológia optimalizálás. Bár ezen feladatok a teljes vállalati gazdasági optimalizálás csak egy kis szeletét alkotják, de ez a kis szelet a hiearachiában az alapokba van ágyazva, így megfelelő eszközöket felhasználva a teljes vertikális optimalizáció erős magját képezhetik. A dolgozat célja folyamatadatok felhasználásán alapuló eszközök bemutatása, amelyek segítik a mérnöki szempontból fontos folyamatadat részletek elkülönítését és felhasználását a fejlesztési munka során. Ennek megfelelően a klasszikus egyváltozós idősorszegmentálási algoritmusok képezték az alapját a többváltozós idősorszegmentálási metódusnak, ami segíti az bemenet-kimenet adatok közti lineáris kapcsolat megváltozásának detektálását. Így megállapíthatók azok a működési tartományok, amelyekben egy-egy lineáris folyamatmodell érvényes. Emellett kísérlettervezéses eszközök is integrálásra kerültek az idősorszegmentálási módszertanba azért, hogy elkülöníthetővé váljanak azok az időszakaszok, ahol a matematikai modellek paraméterei nagy pontossággal meghatározhatók. A kísérlettervezéses eszközök további felhasználásával pedig egy keretrendszer hozható létre, ahol a matematikai modellek predikcióját felhasználó szabályozórendszerek hangolóparamétereinek optimális értékét iteratív módon lehet meghatározni. Kísérleti eszközök és módszerek A dolgozatban bemutatott algoritmusokat a matematikai modellezés, szimuláció, adatelemzés, adatbányászat és kísérlettervezési technikák területéről került alkalmazásra és továbbfejlesztésre. A matematikai modellek Simulink szoftver segítségével készültek, míg a optimalizációs és idősorszegmentálási metódusok MATLAB programnyelven íródtak, az ebben elérhető statisztikai, optimalizációs és adatelemző programcsomagok segítségével.
Tézisek 1. Kimutattam, hogy a működő technológiák folyamatadatait többváltozós idősorként kezelve a dinamikus főkomponenselemzés és rekurzív kovariancia mátrix számítás eszközeit alapul véve olyan on-line és off-line alkalmazható idősorszegmentáló eszközt fejlesztettem, amely alkalmas az esetleges zavarások, meghibásodások illetve egyéb ok okozta működési tartomány változások detektálására és a homogén működési tartományok elkülönítésére. (Kapcsolódó publikációk: 4, 11, 17) A működő technológiák egyik fejlesztési lehetősége a homogén működési tartományok feltárása és a kükönböző működési tartományok elkülönítése és az ezeket okozó zavarások és meghibásodások időpontjainak meghatározása. Ennek célja a zavarás, meghibásodás okának kiderítése vagy csupán az adott bemenet-kimenet adatok közti linearitás változásának detektálása. Ez leginkább a lináris modell prediktív szabályozók alkalmazásakor nyer igazán értelmet, hiszen az addig alkalmazott lineáris modell következőkben történő validitásának elvesztését jelzi. A többváltozós adatsorokban a változók közti kapcsolatok vizsgálatára elterjedt módszer a főkomponens elemzés (Principal Component Analysis - PCA). Mivel ez a statisztikai módszer nincs tekintettel a folyamatadatok időbeliségére így ezek figyelembe vételére a dinamikus főkomponens elemzést (dynamic PCA - dpca) alkalmaztam, ahol az eredeti adatmátrixot kiegészítik az előző időpillanatokban mért folyamatadatok értékeivel. Statisztikai módszer lévén a kovariancia mátrixok számításához nagy számú adat szükséges, ami a zavarások időpontjának pontos detektálásánál hátrányt jelent, így felbontás növelésére felmerült az igény arra, hogy minden mintavételezéskor rendelkezésre álljon egy kovariancia mátrix. Ennek számítása a rekurzív megközelítés használtam, amely az előző mintavételezési időbeli kovariancia mátrix és az aktuális mintavételezési időpontban gyűjtött folyamatadatok segítségével kiszámítható az aktuális mintavételezési időpontbeli kovariancia mátrix. Ennek segítségével minden mintavételezési időben rendelkezésre áll egy kovariancia mátrix. A rekurzív számítás egyik paramétere a felejtési tényező, ami az előző mintavételezési időben kalkulált kovariancia mátrix és az aktuális folyamatadatok súlyozására szolgál. A kovariancia mátrixok gyors és hatékony adaptációjához a Fortescue féle változó értékű felejtési tényezőt használtam. A kovariancia mátrixok alkotta idősorban a mátrixok hasonlóságát a Krzanowskiféle hasonlóságmértékkel határoztam meg, ami gyakorlatilag a dpca modellek által bezárt szög cosinusának kiszámítása. Ezeket az eszközöket a bottom-up és a sliding window idősorszegmentálási technikákba integrálva off-line illetve on-line idősorszegmentálási algoritmust fejlesztettem, amik segítségével naplózott illetve valós idejű folyamatadok alapján azonnal detektálható az esetleges zavarás, meghibásodás. A kialakított keretrendszer működését egy benchmark példán, a Tennesse Eastman problémán is sikerrel megvizsgáltam.
2. Az optimális kísérletek tervezésekor használt Fisher információs mátrix és az ezen alapuló A, D és E kritérium segítségével olyan eszközt készítettem, amely a működő technológiákban gyűjtött bemenet-kimenet idősorokat olyan homogén idősorszegmensekre bontja, amelyek egy folyamatmodell adott paraméterkészletének identifikálásakor eltérő információtartalommal bírnak. (Kapcsolódó publikációk: 1, 6, 9, 10, 13, 16, 21) A folyamatmodellek elterjedésével egyre nő az igény a megbízhatóan működő, a folyamatot jól reprezentáló modell elkészítésére. Ezek egyik sarokköve a modellparaméterek pontos meghatározása. A paraméteridentifikáció egy kulcspontja pedig azon bemenet-kimenet adasorok elkülönítése és biztosítása, amelyekből a modellparaméterek pontosan meghatározhatók, azaz adatsorok információban gazdagok legyenek. Ezen adatok biztosításának egyik módja a megfelelő kísérletek tervezése és kivitelezése, ami idő-, erőforrás- és tőkeigényes, másik módja pedig a naplózott folymatadatokból való információgazdag idősor részletek elkülönítése. Az optimális kísérletek tervezésekor használt eszközök segítségével egy adatsor információtartalma meghatározható. Ezen eszközök alapja a Fisher információs mátrix, amely a modellkimenet modellparaméterek szerinti parciális deriváltjaiból (érzékenység egyenletekből) számítható adott bemeneti adatok mellett, így a bemeneti adatok infromaciótartalmára vonatkozóan kapunk egyfajta kovariancia mátrixot. A Fisher információs mátrixból pedig az A, D és E kritériumok segítségével egy skalár mérőszámmal meghatározható az információtartalom nagysága. A folyamatból gyűjtött historikus adatokat felhasználva minden mintavételezési időpontban kiszámítottam az érzékenység egyenletek alapján a modellkimenet paraméterváltozásra történő érzékenységét, egy parciális differenciálhányadosokból álló idősort kaptam. Az így kapott idősor alapján generálható egy Fisher információs mátrix idősor, amik alapján az A, D és E kritériumok értéke kiszámítható és egy egyváltozós idősor generálható. Bemutattam, hogy az így kapott egyváltozós idősor a klasszikus egyváltozós idősorok szegmentálására alkalmas módszerekkel (Piecewise Aggregate Approximation PAA vagy Piecewise Linear Approximation PLA) szegmentálható és a különböző információtartalmú bemeneti adatsor részletek elkülöníthetők, akár valós időben, akár off-line. A Fisher információs mátrix azonban az adott paraméterkészlet esetén nem csupán a paraméterkészletre vonatkozó információtartalom nagyságára, hanem a paraméterkészlet terében az irányára vonatkozó információkat is tartalmaz. Ezen információt a PCA kovariancia mátrixához hasonlóan a sajátvektorok hordozzák és bemutattam, hogy így lehetővé válik az ezeken alapuló idősorszegmentálás is, ahol a Fisher mátrixok hasonlóságát a Krzanowski hasonlósági mértékkel határoztam meg. Ezt integráltam a bottom-up és sliding window idősorszegmentálási technikákba, így egy off-line és on-line idősorszegmentálási eszközt készítettem, aminek segítségével az információtartalom iránynak megváltozása az információs térben is detektálható.
3. Olyan keretrendszert mutattam be, ahol a klasszikus kísérletes optimalizálási technikák hatékonyan és célirányosan alkalmazhatók a működő technológiák modell prediktív alapú irányírási rendszerének gazdasági jellegű tervezésében, optimalizálásában és működtetésében. (Kapcsolódó publikációk: 2, 3, 5, 7, 8, 12, 14, 15, 18, 19) A folyamatirányító rendszerek fejlődésével egyidőben felmerül a kérdés, hogy a modern irányítási rendszerek alkalmazásával nyert haszon hogyan számszerűsíthető és ez a haszon miként maximalizálható. Mivel a legújabb irányítási rendszerekben modell prediktív szabályozók alkalmazása széles körben elterjedt, így adódik az igény azon hangolóparaméterek meghatározására, amelyek segítségével a legkedvezőbb gazdasági teljesítmény érhető el. Különösen fontos ez a termék- és munkapontváltások esetén, ahol a cél pl. a legkevesebb selejtanyag előállítása. Az általam kidolgozott eljárás alapja egy gazdasági jellegű célfüggvény, amely tartalmazza az előállított termék (mind a specifikációt teljesítő és nem teljesítő termék) értékesítési árát, az alapanyag beszerzési árát és a gyártás közben felmerülő egyéb költségeket, amelyek alapján a gazdasági haszon maximalizálható, az adott hangolóparaméterek által biztosított gazdasági teljesítmény mérhető. Bemutattam, hogy a teljes faktoros tervek vagy a szimplex módszer alkalmazásával a modell prediktív szabályozók hangolóparamétereinek (predikciós horizontok és büntető tagok) köszönhető vegyes-egész értékű optimalizálási feladat jól kezelhető, figyelembe véve a rendszerben működtetése során felmerülő operatív korlátokat is. a, Amennyiben a szabályozott objektum matematikai modellje rendelkezésre áll és megalkotható a szabályozott rendszer irányító rendszer matematikai modellje úgy szimulációval meghatározható, hogy a termék- és munkapontváltások az adott hangolóparaméterek hatására milyen gazdasági eredménnyel realizálódnának. Ezt a szimulátort a teljes faktoros tervek vagy szimlex módszer keretrendszerébe helyeztem és meghatároztam a legnagyobb gazdasági gazdasági haszonnal járó hangolóparaméter kombináció. b, Amennyiben a szabályozott objektum matematikai modellje nem áll rendelkezésre úgy az iterative learning control sémába behelyettesítve az operátorok a kíséletes optimalizálás eszközeit és a gazdasági célfüggvényt használva a hangolóparaméterek értékeit kiszámolhatják és manuálisan is beállíthatják.
Tézisekhez kapcsolódó publikációk Nemzetközi referált folyóiratok 1. László Dobos, Zoltán Bankó, János Abonyi: Qualifying and segmentation of historical process data using optimal experiment design techniques for supporting parameter estimation, Acta Electrotechnica et Informatica, p 28-32, Vol.10, 2010 2. László Dobos, János Abonyi: Controller Tuning of District Heating Networks using Experiment Design Techniques, Chemical Engineering Transactions, Vol. 21., 2010, DOI: 10.3303/CET1021239 3. László Dobos, János Abonyi: Controller tuning of district heating networks using experiment design techniques, ENERGY, DOI: 10.1016/j.energy.2011.04.014 4. Laszlo Dobos, Janos Abonyi: On-line detection of homogeneous operation ranges by dynamic principal component analysis based time-series segmentation, Chemical Engineering Science, Vol 75, pp. 96-105, 2012. 5. Laszlo Dobos, Janos Abonyi: Fisher information matrix based time-series segmentation of multivariate streaming data for supporting model identification, Chemical Engineering Science, Vol 101, pp. 99-108, 2013. Hazai referált folyóiratok 6. László Dobos, Johannes Jäschke, János Abonyi, Sigurd Skogestad, Dynamic model and control of heat exchanger networks for district heating, 2009, Hungarian Journal of Industrial Chemistry, Vol. 37(1) 37-49 Nemzetközi konferencia kiadványokban megjelent cikkek 7. László Dobos, Zoltán Bankó, János Abonyi: Optimal experiment design integrated with time-series segmentation, Proceedings of the 8th International Symposium on Applied Machine Intelligence and Informatics, p. 206-210, Herl any 8. László Dobos, János Abonyi: Application of non-linear dynamic optimization in advanced process control of product grade transitions of polymerization processes, 20th European Symposium on Computer Aided Process Engineering, ESCAPE 20, 559-564 9. László Dobos, János Abonyi: Controller tuning of district heating networks using experiment design techniques, 19th International Congress of Chemical and Process Engineering CHISA 2010, PRES 2010
10. Laszlo Dobos, Janos Abonyi: Fisher information based time-series segmentation of streaming process data for monitoring and supporting on-line parameter estimation in energy systems, ESCAPE 21, Chalkidiki, Greece, 2011, 1844-1849 11. László Dobos, Zoltán Bankó, János Abonyi, Segmentation based optimal experiment design, 2009 Proceedings of the 10th International Symposium of Hungarian Researchers, 279-289 12. László Dobos, János Abonyi: Application of on-line multivariate time-series segmentation for process monitoring and control, 11th International PhD Workshop on Systems and Control, 2010 13. László Dobos, János Abonyi: A novel economic oriented performance measure and tuning method for model predictive controllers, Distributed Control Systems 16, International Scientific Workshop